基于数据挖掘与支持向量机的现货市场出清价预测方法

现货市场环境下,市场出清价对于电力市场的发、用两侧参与者和市场管理者都是极为重要的信息。因此,市场出清价的预测研究越发重要。首先分析大多数传统电价预测方法采用的连续序列与该文选取的同时段的电价序列表现出的变化特征差异,给出选取同时段电价序列作为输入的原因。然后基于数据挖掘相似性理论,通过欧氏距离和角度距离2个维度识别历史电价相似序列,得到模型所需训练集数据。以支持向量机（SVM）为预测工具,并利用遗传算法对SVM的关键参数进行寻优。最后将模拟预测结果与不考虑历史相似状态的SVM模型、BP神经网络模型进行对比,通过误差分析证明了所提模型具备更高的预测精度。     

现货市场新能源参与方式及其对市场出清价格的影响分析

在我国新一轮电力市场改革背景下,电力现货市场建设进程进一步加快.随着新能源装机的快速增长,将会对电力现货市场竞价交易带来很大影响.基于我国试点运行的现货交易机制,对现行几种新能源参与市场模式进行了分析并提出了适用于新能源快速发展阶段的市场参与机制.建立了包含新能源参与的省级日前市场机组组合模型和实时市场安全经济调度模型...     

基于遗传算法和BP神经网络的电价预测

给出了一个发电例竞价模型中应用遗传算法与BP算法结合进行市场出清价预测的实例。与使用传统BP神经网络预测的方法进行比较，结果表明，该方法具有更高的预测精度，并总能收敛于全局最优解。     

基于LSTM神经网络的电力市场日前电价预测研究

电力市场日前电价受到多种因素的影响,导致电价预测精度不高,所以设计基于长短期神经网络的电力日前电价预测方法。采集出电力市场日前电价数据,利用LSTM神经网络处理采集到的数据,更便于电价后续判断与预测。在此基础上构建电力市场日前电价预测模型,以此实现电力市场日前电价精准预测。采用对比实验的方式,验证本文所设计的基于LSTM神经网络的电力市场日前电价预测方法的预测误差较小,预测精准度更高,可以应用于实际生活中。     

基于MPMR方法的电力市场日前电价预测方法

传统的电力市场日前电价预测方法缺乏一定的稳定性,在长期运行中不能保证预测精度。对此,本文研究基于MPMR方法的电力市场日前电价预测方法。首先,通过计算灰色关联度来量化电价数据与其他特征之间的关联性,选取与电价具有较强相关性的特征。然后,基于获取的电价特征利用MPMR方法构建电力市场的日前电价预测模型。实验结果表明：本文方法的电价预测误差最高仅为0.02,本文方法的电价预测时间最高为14s,说明设计方法的电价预测误差较低且预测时间较短,具有实用性。     

基于GRU-NN模型的电力用户能耗预测研究

针对现有预测方法在对电力用户进行能耗预测时,存在预测精度低、预测时效性差的问题,引入GRU-NN(Gate Recurrent Unit-Neural Networks,门控循环单元-神经网络)模型,开展对电力用户能耗预测方法的设计研究。采集电力用户用电信息,并从归一化处理后的信息中提取用电特征。利用GRU-NN,构建能耗预测模型。结合均方误差和拟合优度的概念,对该模型进行训练。利用训练后的模型预测电力用户能耗,模型的输出即为预测结果。通过对比实验,证明新的预测方法预测结果更加接近实际,且预测耗时短,具备较高的时效性,值得广泛应用。     

电力现货市场下储能系统经济效益研究

储能在解决可再生能源发电不稳定性、间歇性问题上具有提高电网输配容量和控制电频波动的作用。合理的经济效益收益模式是储能发展的关键,为明确当前电力现货市场环境下储能系统的合理经济收益模式及主要影响因素,挖掘我国储能市场潜力,通过优劣势(strengths weakness opportunity threats, SWOT)分析模型分析其内外部环境。在此基础上,基于储能参与辅助服务市场和电力现货市场交易的特性分析,采用内部收益率(internal rate of return, IRR)模型,以江苏省某储能系统为例,研究在电力现货市场下储能系统经济效益量化的问题。以经济效益最大为目标构建模型并利用线性规划进行求解,在多个情景下验证电力现货市场下储能系统的经济效益。最后,从技术和经济2个不同角度,通过案例研究影响当前储能系统经济性的最主要因素,算例结果表明：基于技术角度,充放电循环次数是主要影响因素;基于政策定价角度,峰谷价差水平是主要影响因素。随着我国储能系统投资成本及技术水平的进步,在电力现货市场全面放开的背景下,储能系统将具有越来越强的经济效益。     

基于改进引力搜索算法的电力市场环境下可再生能源竞标消纳优化

为解决新能源参与电力市场竞标、促进新能源消纳的问题,文章提出了基于改进引力搜索算法的电力市场环境下可再生能源竞标消纳优化模型。建立了风电、光伏机组出力模型,确定了风电光伏不确定出力场景削减。针对可再生能源竞标消纳模型建立了出清电价模型,确定了交易双方利润模型,并针对交易过程中的不确定概率进行了分析。提出了采用改进引力搜索算法联合模式搜索算法对出清电价模型进行求解。最后通过仿真分析,说明了所提方法的有效性。     

高比例可再生能源环境下考虑绩效的发电出清模式研究

在可再生能源渗透率日益提高的背景下,为了促进优质灵活调节电源在市场环境下的发展,以电力市场的运行特征和实际发展需求为依据,综合考虑机组调节性能和调节效果,提出基于AHP的主能量市场绩效评价体系,兼顾灵活性和经济性的要求,设计差异化的主能量市场出清机制,并以系统运行成本最小化为目标,构建基于绩效的主能量市场与备用市场联合优化出清模型,通过与传统出清模式的对比分析,来验证该发电出清模式的有效性,最后分析可再生能源占比对运行结果的影响。算例结果表明,新的市场机制能综合考虑性能与成本进行电力市场出清,起到了有效进行资源优化配置、引导灵活性电源投资的作用。     

新形势下深入推进南方区域电力现货市场建设的思考

电力现货市场建设是我国当前电力市场改革的重点,也是推动构建新型电力系统的关键。作为首批试点,南方区域电力现货市场已由广东起步并逐步向周边省区辐射。本文系统总结了当前南方区域电网运行基本情况,并基于PEST结构分析模型从政治、经济、社会、技术四个维度剖析。在此基础上,从整体运行机制、区域市场协调、推进实施策略、创新发展要求四个方面,对南方区域电力现货市场建设提出建议。     

考虑风电并网的分时段短期电价预测

考虑了并网风电量对电价影响,并将相关系数作为选取电价影响因素的标准,考虑了历史电价、负荷、并网风电量与负荷的比值等影响电价的因素。分别将负荷与历史清算电价,等效负荷与历史清算电价,负荷、并网风电量与负荷的比值及历史清算电价作为神经网络的输入因子对市场清算电价进行分时段预测。算例采用丹麦电力市场的历史数据,分别对其2010年并网风电量所占比例较大和较小的日期进行预测,验证了选择负荷、并网风电量与负荷的比值及历史清算电价作为预测神经网络的输入变量是恰当的,其预测精度能够满足电力市场实际运行的需要。     

2011年国际原油价格分析与趋势预测

2010年国际油价继续保持后金融危机时代的反弹并震荡上行总体态势,而且年内呈现出明显的先升后降再反弹的模式,季节性特征凸显。在分析油价主要影响因素的变动趋势之后,本文认为2011年国际油价波动主要取决于全球经济复苏的步伐和美元汇率的走势;预计2011年全球原油供需总体平衡或稍趋紧,基本面支持油价上升。在全球经济缓慢上升,世界政局相对平稳的情况下,2011年国际原油平均价格应该会超过2010年的水平,增至85～95美元/桶之间,实际油价将围绕平均价格宽幅震荡,呈现出明显的季节性波动特征。     

边际电价预测的三时点模型

从供求决定价格、价格引导供求两个角度出发，分析了电力市场系统供给、需求与电价的关系，建立了边际电价的三时点预到模型。运用该模型对西部某电网次日96点现货电价进行预到，取得了较好的预测效果。     

2020年主要发达国家电力市场预测

根据对国内、外有关技术资料的综合分析 ,对 2 0 2 0年世界主要发达国家电力市场的发展远景进行了前瞻性预测 ,分析结果可为能源行业及相关产业制定发展计划 ,调整产业机构 ,为有关科研机构和生产制造企业确定发展方向 ,提供一定的参考。     

电价预测技术综述

电力工业从垄断走向市场,使得电价不再由政府确定,而是在市场机制下产生。电价波动会影响市场参与者的经济利益。对电力市场参与者而言,准确地预测电价具有非常重要的意义。该论文以电力系统短期边际价格为主要研究对象。首先分析了电价的变化特点、影响电价的主要因素,明确电价变化的规律性。然后介绍了一些现有因素分析的方法。并对当前电价预测方法按其工作原理进行分类总结,最后根据各类电价预测模型的特点尤其利用神经网络方法建立的预测模型进行了深入分析和总结。     

基于改进GM(1,1)模型的电力市场期货价格的预测

建立和实现了基于灰色理论的电力市场期货价格的改进GM(1,1)预测模型。从改进θ参数、修正初始条件、等维新息处理等三个方面对原始GM(1,1)模型进行了改进,并利用真实期货价格检验改进GM(1,1)模型的拟合效果。结果表明,改进GM(1,1)模型的预测效果明显好于原始模型,具有较高的预测精度。     

基于电价波动率的现货电价风险度量研究

风险度量因子的选取是风险度量的核心工作之一,统计性质好的指标通常能降低建模复杂度,提高精度。根据电价序列的特征及电价风险度量模型的特点,提出以电价波动率替代电价作为风险度量因子,避开电价序列的非平稳性,建立GARCH-VaR模型用于现货电价风险度量,以北欧电力市场的电价风险度量为例,对模型的可行性和有效性进行检验,并将所提出的电价风险度量方法与电价波动率正态分布法、电价ARMA-GARCH模型度量的电价风险进行比较。结果表明,所提方法不仅能有效降低电价风险度量的模型复杂度,还可提高风险度量的准确性。     

基于多周期GARCH-M模型的短期电价预测

电价的分布特性是电力市场风险管理和电力金融产品定价的重要依据。建立了一个采用虚拟变量和正弦函数来刻画现货电价序列多周期性特征的GARCH-M模型。该模型易于定阶、待估参数少,可同时处理电价序列的趋势变化、多周期、异方差及其与负荷之间的非线性相关性,具有一定的实用价值。对PJM电力市场历史数据的分析表明,电价分布的异方差和负荷的平方对电价均值具有显著的影响,电价序列具有周、半月、月、季、半年等多重周期和明显的波动集聚性。